Kimi K3 چیست؟ آشنایی با غول متن‌باز جدید Moonshot AI

هفته‌ی گذشته — ۲۵ تیر ۱۴۰۵ (۱۶ جولای ۲۰۲۶) — شرکت چینی Moonshot AI مدلی معرفی کرد که خبرش از رسانه‌های فناوری تا بلومبرگ و CNBC را پر کرد: Kimi K3. مدلی با ۲.۸ تریلیون پارامتر که در برخی بنچمارک‌ها از مدل‌های تجاری سرشناس آمریکایی جلو زده و مهم‌تر از همه: وزن‌هایش باز است. بیایید ببینیم این غول جدید دقیقاً چیست و برای ما چه معنایی دارد.

Kimi K3 چیست؟

کیمی K3 نسل سوم مدل‌های زبانی Moonshot AI است — استارتاپ پکنی که سال گذشته با Kimi K2 نامش سر زبان‌ها افتاد. مشخصات کلیدی K3:

• ۲.۸ تریلیون پارامتر با معماری Mixture-of-Experts: از ۸۹۶ «متخصص»، برای هر درخواست فقط ۱۶ تا فعال می‌شود — بزرگ در دانش، بهینه در اجرا.
• پنجره کانتکست ۱ میلیون توکنی: معادل چند کتاب کامل در یک گفت‌وگو؛ برای تحلیل مستندات و کدبیس‌های بزرگ فوق‌العاده.
• چندوجهی (Multimodal): ورودی تصویر را هم به‌صورت بومی می‌فهمد.
• استدلال پیش‌فرض: حالت Reasoning روی همه‌ی درخواست‌ها فعال است، نه یک گزینه‌ی جدا.

جایگاهش بین رقبا کجاست؟

طبق گزارش‌های منتشرشده، K3 در مجموع هنوز از پیشتازان بازار — Claude Fable 5 و GPT-5.6 — عقب‌تر است، اما در بنچمارک‌های کدنویسی و کارهای ایجنتی از مدل‌هایی مثل Claude Opus 4.8 و GPT-5.5 جلو زده؛ اتفاقی که برای یک مدل وزن‌باز کم‌سابقه است. قیمت API آن (۳ دلار ورودی / ۱۵ دلار خروجی به‌ازای هر میلیون توکن) هم آن را هم‌رده‌ی مدل‌های میان‌رده‌ی تجاری قرار می‌دهد — گران‌ترین مدل تاریخ آزمایشگاه‌های چینی، اما همچنان ارزان‌تر از پرچمداران آمریکایی.

«وزن باز» یعنی چه و چرا مهم است؟

مون‌شات اعلام کرده وزن‌های کامل مدل چند روز بعد از عرضه (۲۷ جولای ۲۰۲۶) عمومی می‌شود. یعنی برخلاف GPT و Claude که فقط از طریق سرویس ابری‌شان در دسترس‌اند، K3 را می‌توان دانلود کرد، بررسی کرد، فاین‌تیون کرد و روی زیرساخت خصوصی اجرا کرد — بدون وابستگی به هیچ سرویس خارجی. برای شرکت‌هایی که داده‌شان نباید از کشور خارج شود، این یعنی دسترسی به هوش نزدیک به مرز فناوری، روی سرور خودشان.

آیا می‌شود K3 را خودمان اجرا کنیم؟

صادقانه: برای اجرای کامل این مدل، زیرساخت چند GPU سنگین لازم است و از توان سیستم شخصی خارج است. مسیرهای واقع‌بینانه:

• از طریق API: ساده‌ترین راه — مستقیم از Moonshot یا با یک کلید واحد از طریق OpenRouter.
• نسخه‌های کوانتیزه روی سرور GPU: بعد از انتشار وزن‌ها، جامعه متن‌باز نسخه‌های فشرده می‌سازد که روی سرورهای GPU چندکارته قابل اجرا خواهند بود.
• مدل‌های کوچک‌تر همان کیفیت: برای بیشتر کاربردها، مدل‌هایی مثل Qwen3 در سایزهای ۸ تا ۳۰ میلیاردی، روی یک GPU معمولی، جواب می‌دهند.

جمع‌بندی

Kimi K3 نشان داد فاصله‌ی مدل‌های وزن‌باز با پیشتازان تجاری به کمترین حد تاریخش رسیده: ۲.۸ تریلیون پارامتر، یک میلیون توکن کانتکست و نتایجی که برخی مدل‌های تجاری را پشت سر گذاشته. برای کاربران و تیم‌های ایرانی، پیام روشن است: هوش مصنوعی سطح‌بالا دیگر پشت دیوار سرویس‌های بسته نیست — با API یا روی سرور GPU خودتان در دسترس است.